基于粒子群优化算法的地铁列车节能运行研究

在建立地铁列车运行物理模型的基础上,采用粒子群优化算法搜寻列车区间运行的惰行点位置,优化列车区间运行时间及运行能耗。基于南京地铁2号线实际线路模型,利用粒子群优化算法求解定时节能策略中列车区间运行惰行点位置,计算区间运行时间、能耗及回馈能量。结果显示,区间运行时间增加5.5%,列车运行能耗相应降低18.73%。     

基于免疫粒子群算法的地铁列车节能优化研究

在综合考虑地铁列车动力学特性、线路条件、区间限速以及准点运行等条件的基础上,建立基于再生制动能量利用的多约束能耗模型。通过免疫粒子群组合算法求解列车能耗模型,得到列车节能操纵工况序列及各工况转换点,最终求得列车站间运行的最低能耗。为验证该方法的有效性,以南宁地铁1号线为仿真实例,计算得出优化后的列车能耗降低6.62%。     

基于免疫退火遗传算法的城市轨道交通列车节能运行策略

为降低城市轨道交通列车站间运行能耗,提出了一种基于免疫退火遗传算法(IAGA)的列车节能运行策略.在区间运行时间固定的情况下,该策略能实现列车能耗的最小化.IAGA算法通过免疫补充和建立疫苗库缩短算法收敛时间,并借助退火机制避免算法提前进入早熟状态.求解模型以寻找列车站间运行工况转换点为约束,牵引能耗最小为目标,建立列车节能运行策略.以实际线路数据和车辆参数为基础,对单区间及三站两区间的节能策略进行仿真验证.结果表明,在保证站间列车定时运行的情况下,与传统遗传算法相比,IAGA算法具有更快的收敛速度,其计算的策略可使单区间列车运行能耗降低10.2％,三站两区间列车运行总能耗降低16.0％.     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

基于不同速度控制模式的列车驾驶策略优化研究

列车驾驶策略优化通过优化列车速度曲线降低列车牵引能耗,在列车准点运行的前提下降低铁路系统运营成本。为了探究连续控制型和离散控制型列车节能速度曲线的节能效果差异,对比优化2种速度控制模式的列车节能速度曲线,并给出了相应的结论。分析列车牵引计算模型和节能运行工况模型,建立列车区间运行多目标优化数学模型。分析列车运行时间与列车运行能耗的关系,将区间运行时间最短的列车区间最速曲线作为参考基准,同时给出列车区间最速曲线生成方法。分别提出2种速度控制模式的列车驾驶策略多目标优化方法及其对应的优化算法决策变量通用设置规则,再采用粒子群优化、模拟退火和模式搜索法优化列车速度曲线。基于实例进行验证,生成2种区间运行时间方案下CRH3C型动车组列车从岳阳东站到汨罗东站的列车区间最速曲线、连续控制型列车节能速度曲线和离散控制型列车节能速度曲线。此外,对比水平线路上的3种列车速度曲线。结果表明：延长列车区间运行时间可以有效降低列车区间运行能耗;含有下坡道的变坡度线路上,连续控制型列车节能速度曲线节能效果更优;水平线路上,离散控制型列车节能速度曲线节能效果更优;2种速度控制模式下,粒子群优化的节能效果优于模拟退...     

基于KH算法的高速列车ATO控制策略优化研究

针对传统高速列车自动驾驶(ATO)控制策略优化时简化线路参数、列车牵引计算采用单质点模型等问题,将列车通过牵引供电分相区断电惰行纳入运行工况,建立动车组多质点模型。在满足列车运行图固定运行时间条件下,以能耗、准点性、停车准确性及舒适性为指标建立高速列车ATO控制策略优化模型。利用磷虾群(KH)算法对高速列车ATO控制策略进行优化。以兰新高速铁路某区间线路数据为例,仿真测试表明KH算法可以在较少的迭代次数下获得较粒子群算法更优的ATO控制策略,且列车过分相区断电惰行会对优化结果产生影响,验证了所提算法在优化高速列车ATO控制策略中的优越性及将列车过分相区断电惰行纳入运行工况的合理性。     

基于遗传优化算法的城市轨道交通多列车运行节能计算方法

针对地铁列车多列车节能问题,提出一种基于遗传优化算法的多列车运行节能计算方法。分析多列车运行过程中制动能量传递使用过程;建立以能耗最少、旅行时间准点为目标,以全天列车运行对数、高/低峰行车对数为约束的多列车运行节能模型;采用遗传算法获得各站最优的停站时间和发车间隔序列,并计算出全线能耗、列车能耗和线路损耗。同时,以我国某地铁线路4个区间组成的短线进行多列车节能仿真,优化得到各站的停站时间和发车间隔时间。     

基于再生制动能量利用的地铁列车时刻表设计方法研究

结合线路参数、列车运行工况以及时刻表等因素,分析了同一供电区段内列车再生制动能量的利用情况,建立基于再生制动能量利用与运行时刻表设计的多车节能优化模型。通过引入浓度免疫算法,调整列车时刻表中发车间隔、停站时间、运行时间等要素并优化列车操纵工况,求解出实际线路下的节能运行时刻表及多车节能驾驶策略。结合南宁地铁1号线某供电区段的仿真数据证明,采用优化的节能运行时刻表在满足正点运行的前提下,提高再生制动能量的利用率达11.4%,降低列车运行的总能耗达16.9%。     

快慢车组合运行条件下市域快线节能坡优化模型与算法研究

基于既有研究大多局限于站站停列车运行条件下的地铁节能坡优化,为解决快慢车组合运行条件下市域快线节能坡优化问题,在对列车受力分析的基础上,提出快慢车组合运行下列车运行能耗表达函数,并构建以运行能耗最小和列车运行时间偏离最小为目标的节能坡优化模型,并基于改进的遗传算法设计快速求解算法。通过广州市域快线18号线验证,研究结果表明:本文所提模型与算法能够有效求解节能坡设计方案,相对于原始方案,优化方案在保持运行时间小幅变动的前提下,使列车牵引能耗降低了15.2%～25.2%。并发现快慢车的不同比例对节能坡设计方案和节能效果有影响,慢车比例越大,方案的节能效果越显著。     

超级电容有轨电车多区间节能优化研究

超级电容有轨电车具有高效环保的优点，研究其多区间运行时刻表和运行策略能够进一步降低运行能耗。文章首先介绍车载超级电容能量流动模型，建立列车动力学模型与超级电容模型，以列车系统总能耗最小为目标，建立协同优化列车运行时刻表和运行策略的节能控制模型；设计动态规划算法，求解列车多区间运行时刻表和运行策略；最后通过实车线路进行仿真验证。结果表明，在各区间均采用节能运行策略，相比于标准时刻表，优化时刻表能够进一步降低运行能耗；同时分析了多区间总运行时间与能耗的关系，可综合考虑列车运行能耗与效率制定运行时间，采用协同优化方法确定时刻表与运行策略，从而达到节能的目的。     

基于粒子群优化的ATO控制策略

传统列车自动驾驶(ATO)控制策略通过提高对目标速度的追踪精度来精确控制工况切换频繁,能耗较大且无法进行全局优化。直接控制列车驾驶的全局ATO控制策略能较好解决传统控制策略的缺陷。列车在自动运行过程中依据不同的全局控制策略,能耗、运行时间误差、停站误差等评价指标均产生变化。由于评价指标存在内部矛盾,不存在所有指标均最优的控制策略。本文提出1种基于动态邻居和广义学习策略的粒子群(ADPSO)优化全局控制策略的算法。该算法通过挖掘线路信息和列车运行信息指导优化过程,以获得在列车安全运行的前提下,满足一定能耗、运行时间误差和停站误差要求的全局ATO控制策略。仿真研究结果表明与其他两种优化算法相比,该算法具有更好的性能。     

基于改进的粒子群算法的地铁时刻表调整方法研究及实现

为应对突发状况下地铁列车的晚点问题,尽快消除与既定时刻表的偏移时间,采用Visual Studio 2012和SQL Server 12.0数据库搭建时刻表系统,同时建立列车运行动态调整模型,选择改进的粒子群优化算法对模型进行求解,得出消除偏离时间的最优解,完成列车的动态调整仿真。仿真结果表明,该方法通过自动调整多辆列车的站间运行时间和停站时间,能有效地消除晚点时间,恢复列车正常运行。     

一种结合时刻表调整的列车节能驾驶优化方法

为了降低高速列车在连续站间运行的能耗,以区间运行能耗和运行时间为目标建立列车驾驶策略优化模型,采用基于模拟退火的粒子群算法PSO-SA进行求解,得到每个运行区间的能耗-时间Pareto解集,并通过最小二乘法拟合得到每个区间相应的Pareto曲线。在此基础上,提出一种时刻表优化调整方法,在始发站至终点站总运行时分确定的前提下,基于KKT(Karush-Kuhn-Tucker)条件调整每个站间运行时分,给出最优的站间运行时分组合和最佳的区间运行策略。以CRH2A高速列车在镇江南—昆山南区间实际运行数据为基础进行仿真验证,结果表明:通过区间最优工况求解和多站间运行时分调整优化,列车在多站间的总运行能耗降低了17.6%,验证了模型和算法的有效性。     

基于遗传算法的列车节能运行惰行控制研究

本文建立了定时约束条件下地铁列车节能运行惰行控制优化模型,设计了实数遗传算法进行求解,在适应度函数中引入了运行时间惩罚因子.同时,将遗传算法嵌入到城市列车运行计算系统中,设计了惰行控制优化模块,实现了给定线路条件下站间最佳惰行点的自动计算,最后结合具体算例进行了仿真验证.仿真结果表明,实数编码的遗传算法能较好地解决惰行点布局问题,优化后的惰行控制方案使算例中列车运行能耗降低了10.99%.     

现代有轨电车时刻表与操纵节能协同优化

为保证有轨电车快速和准点的优势,通常采用绿波控制协调各信号灯的相位差,使有轨电车在交叉口间按规定时间运行时能连续获得绿灯。然而,目前编制时刻表时一般未考虑列车在车站启停操纵引起的时间损失,导致列车赶点运行而增加牵引时间甚至遇上红灯,从而导致牵引能耗增加。以总牵引能耗最小为目标,建立时刻表和列车操纵双层节能优化模型。上层为有轨电车在各交叉口间运行时间的优化调整模型,下层为列车在给定运行时间下的节能操纵模型。同时,设计相应的双层遗传算法进行求解。研究结果表明:通过该方法可以在总运行时间不变的情况下减少超过16.5%的牵引能耗。     

列车节能控制的优化分析

为研究列车节能控制问题，采用带有非线性约束的微分方程描述列车运行过程，用牵引力积分形式描述节能优化目标，并将最大值原理应用于模型求解。在确保安全运行、满足线路限速约束、机车性能约束和运行时间约束的条件下，充分利用线路坡道，以能量消耗最小为控制目标，得到列车优化控制的策略。针对由于模型奇异性而使控制策略还不能确定出列车所有工况转换点的问题，结合列车操纵经验给出列车节能控制算法。在列车运行仿真平台上验证了优化控制方法与算法的正确性。     

基于小生境粒子群算法的ATO运行过程优化研究

针对自动驾驶(ATO)列车的低能耗、高准时和高舒适度问题,以列车运行过程中的安全性及其列车动力学模型为约束条件,建立列车运行过程的多目标优化模型,提出粒子群算法与小生境技术相结合的求解算法。该求解算法首先计算随机生成的粒子间欧式距离的平均值,确定小生境半径,划分小生境种群;采用共享机制对更新后的小生境群体进行调节,提高粒子的适应度值;最后通过迭代求出最优解。通过对选取线路的仿真模拟,验证该算法在降低ATO列车的运行能耗、提高列车运行过程的准时性与舒适性方面的有效性。     

高速铁路行车调度节能运行图编制方法研究

针对高速铁路行车调度节能需求的现状,以列车在区间运行效率最高和总能耗最低为优化目标,提出以区间运行时间和停站时间为输入变量,对能耗成本和运行时间进行优化,建立节能运行图编制模型.通过仿真实验,结果表明在列车运行图编制中,考虑适当地增加列车运行时间和优化停站方案时,可以节省很多列车运行能耗.     

城市轨道交通追踪列车定时节能操纵优化

研究在给定站间运行时分前提下的城市轨道交通追踪列车节能操纵优化模型,模型以两列车在两站间运行的总能耗最小为目标,通过同时优化前行列车和追踪列车的操纵策略以提高再生制动能的利用。在一定的制动停车距离、线路平纵断面和限速条件下,将站间区间划分为若干个子区间,建立两列车在各个子区间的运行工况序列选择模型,通过遗传算法优化两列车在每个子区间的牵引力使用系数、末速度和运行时间,提高列车牵引时对再生制动能的利用率。算例表明,在给定的站间区间上,本文模型在保证正点前提下比单列车定时节能算法的能耗降低5.8%。当区间存在陡下坡时,两列车在途中运行过程中比在进出站过程中协同利用再生制动能效果更显著。     

面向列车节能控制的时刻表优化

列车牵引运行能耗是铁路运输中的主要能源消耗,直接由列车运行操作决定。时刻表是列车运行操作的依据,与运行控制密切相关。结合时刻表优化与节能控制的相关因素,以列车能耗值和列车时刻表稳定性综合最优为目标,在满足列车安全追踪间隔等约束的条件下,制定面向列车节能控制的时刻表优化模型,针对模型特点设计一种采用迭代寻优的富余时间分配求解算法,实现时刻表的优化过程。实验结果表明,该算法在保证列车时刻表稳定性在一定范围的前提下,通过调整列车在中间车站的到发时间,可以减少列车在站间运行的能耗,节约能耗占总能耗的4.04%。